如果用“含AI量”来看银行，会看到什么？

过去我们习惯用资产规模、净利润、不良率来评判一家银行。但在2025年的中国银行业，一条新的分化线索正在浮现：银行资产与业务中的“AI浓度”，也就是可以理解为——银行贷款、客户结构、区域布局乃至自身运营与AI产业的关联深度。

现在没有哪家银行直接把“AI贷款”写在财报里。除了中国银行，大多数银行只披露“科技贷款”、“战略性新兴产业贷款”这些口径。所以“AI浓度”不是一个精确指标，而是一个观察角度。

换句话说，就是看谁更早把资金、产品、网点、风控往AI产业链上砸。这些银行不一定马上赚大钱，但很可能先抢到下一批优质客户。

科技贷款，AI是最稀缺的一块

科技金融重要，而AI产业链，又是科技金融里最有代表性的方向之一。

2025年末，六大国有行科技贷款合计已经突破23万亿元。其中，工商银行科技贷款余额约6万亿元，建设银行5.25万亿元，中国银行4.82万亿元，农业银行4.7万亿元，交通银行1.58万亿元，邮储银行约9500亿元。

再看科技贷款增速。工商银行科技贷款同比增长19.90%，建设银行增长18.91%，农业银行增长20.10%，中国银行增长18.78%，都明显高于传统信贷扩张速度。在银行整体信贷增速放缓的大背景下，科技贷款仍然保持了相对更快的扩张。

股份行也在加速。招商银行科技贷款余额1.04万亿元，同比增长8.06%；兴业银行科技贷款余额约1.12万亿元，同比增长18.47%；中信、浦发等银行也围绕科技金融、战略新兴产业和科创企业做了大量布局。浦发银行提出科技金融是数智化战略的第一主赛道，并布局510家科技特色支行；兴业银行把科技金融放在“四张名片”的首位；招商银行成立总行科技金融部，提出AI First战略。

这些动作背后，其实都指向同一个方向：银行正在把未来的资产增长，更多押向硬科技和新产业。

AI产业链是其中最稀缺的一块。

目前比较明确单独披露AI产业链授信余额的是中国银行。2025年1月，中行发布《支持人工智能产业链发展行动方案》，承诺五年内提供不低于1万亿元的专项综合金融支持。到年末，其AI产业链授信余额达到5456亿元，占科技贷款余额比重超过11%。这个数据的意义在于，它把“AI”从泛科技贷款里单独拎了出来，让市场第一次能相对清晰地看到一家大行资产端的AI含量。

当然，这个口径还不能直接拿来横向比较。因为大多银行都没有单独披露AI产业链贷款余额，只能通过科技贷款、战略新兴产业贷款、专精特新贷款、区域案例来间接观察。但趋势已经很清楚：谁能更早识别AI产业里的优质企业，谁就更有可能拿到下一批高成长客户。

三层产业链，三种银行打法

AI产业链分三层：上游算力/芯片/智算中心，中游大模型/算法/数据，下游机器人/智能汽车/低空经济等。

三层企业的需求完全不同。算力重资产，要项目贷、固贷、银团。芯片设计、大模型轻资产，要信用贷、专利贷、人才贷。下游应用跟订单走，要供应链金融。

所以衡量一家银行的AI浓度，不是看它撒了多少钱，而是看它有没有针对不同环节的产品和风控能力。

举一些例子：

中国银行推出“中银科创算力贷”，把政府算力券和银行信贷结合起来，最高可按合约金额80%给予信用贷款，期限最长5年；农业银行在浙江落地“乌镇之光”超算中心专项贷，自2021年起累计提供固定资产贷款15亿元投向国产芯片超算中心；中信银行探索“贷款+认股权”等模式，浦发银行则通过技术和金融混编小组入企评估，为芯片设计企业提供纯信用、较长期限的贷款支持。

这些产品看起来分散，但它们共同说明一件事：AI产业链客户不能完全用传统信贷逻辑来服务。

再看区域分行。如浦发银行上海分行科技贷款余额超过1200亿元，覆盖壁仞科技、沐曦科技、MiniMax（稀宇）、天数智芯、豪威集团等GPU和AI重点企业。交通银行上海市分行在张江人工智能集聚区设立“AI服务站”，通过营收、研发、订单等多维模型服务企业。工商银行在北京亦庄人形机器人半程马拉松赛事现场设立金融服务站，并从产业金融支持、场景应用落地、行业生态赋能等多维度服务人形机器人产业全链条。

未来判断一家金融机构有没有潜力，不能只看当地存贷款规模，也要看它是不是卡在了新产业集群上。

AI浓度高，不只是账上多几笔科技贷款，更意味着银行离下一代产业客户更近。

银行自己得先懂AI

支持AI企业，银行自己得懂AI。

一个客户经理要判断一家大模型公司、芯片设计公司、机器人企业的融资需求，背后需要数据、模型、产业知识和组织协同。从这个角度看，银行自身AI投入和大模型应用，也在影响它未来的竞争力。

据企业预警通数据，2025年已披露数据的国有行和股份行，科技投入合计超1800亿元。其中六大国有行科技投入合计约1300亿元，工行285.88亿元居首，建行267.22亿元，农行256.47亿元，中行250.01亿元。

图：企业预警通，2025年国股行科技投入

但需要注意，科技投入这一指标里并没有将AI投入单独拆分。我们只知道银行在科技上花了大钱，却不知道多少真正流向了大模型训练、智能体开发和算力采购。因此可以用两个替代指标来看：一是大模型场景数，二是AI智能体部署量。

截至2025年末，工商银行已经形成超500个AI应用，AI数字员工承担的工作量达到5.5万人年；建设银行大模型落地398个场景；交通银行部署超过2500个智能体助手，覆盖营销、风控、运营和基层减负；招商银行大模型和智能助手应用场景达到856个，全年替代人工1556万小时；兴业银行上线200多个智能体，人工智能技术赋能260多个应用场景，实现IT项目平均交付周期压降33%，优化超1500个业务流程。

这些内部能力，跟对外放贷款是一体两面。

银行自身的AI能力越强，越可能在三个环节形成优势——获客上，通过产业图谱、专利数据、招投标信息更早发现优质企业；风控上，把研发投入、团队背景、算力消耗等非标准信息转化为授信依据；服务效率上，把贷款、债券、基金、租赁、结算打包输出，跟上AI企业快节奏的融资需求。

AI产业链对银行的要求，比传统行业高得多。既要敢贷早期客户，又不能追风口；既要懂技术叙事，又要守住底线。这个差距，会把银行真正拉开。

“AI浓度”不是财报上的标准科目。没有哪家银行会直接告诉你“我贷了多少给大模型、多少给芯片”。

但它是一个值得看的观察角度。

因为银行的未来，最终还是由资产结构决定的。过去押中房地产、基建的银行，吃到了红利；未来，谁能更早进入AI、机器人、低空经济这些产业链，谁就更可能拿到下一批优质客户。

当然，AI产业链也有泡沫、有洗牌、有技术路线变化。高浓度不等于没风险。真正有含金量的AI浓度，是建立在产业理解、产品设计、风险识别之上的。

从现有数据看，中行、工行、建行、农行在规模上领先，交行、浦发、招行、兴业在产品和区域上各有特点。路径不同，但逻辑相同：

下一轮银行竞争，不只是拼资产规模，而是拼资产离未来产业有多近。